python中向量数组的范数

我有这个数组

   A = array([[-0.49740509, -0.48618909, -0.49145315],
   [-0.48959259, -0.48618909, -0.49145315],
   [-0.49740509, -0.47837659, -0.49145315],
   ..., 
   [ 0.03079315, -0.01194593, -0.06872366],
   [ 0.03054901, -0.01170179, -0.06872366],
   [ 0.03079315, -0.01170179, -0.06872366]])

这是3D矢量的集合.我想知道我是否可以使用矢量运算来获取具有每个向量的范数的数组.

我尝试了规范(A),但它没有用.

解决方法:

手动完成它可能是最快的(虽然总有一些巧妙的技巧,有些帖子我没想到):

In [75]: from numpy import random, array

In [76]: from numpy.linalg import norm

In [77]: 

In [77]: A = random.rand(1000,3)

In [78]: timeit normedA_0 = array([norm(v) for v in A])
100 loops, best of 3: 16.5 ms per loop

In [79]: timeit normedA_1 = array(map(norm, A))
100 loops, best of 3: 16.9 ms per loop

In [80]: timeit normedA_2 = map(norm, A)
100 loops, best of 3: 16.7 ms per loop

In [81]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

这假设一切都是真实的.如果这不是真的,可以乘以共轭.

更新:Eric建议使用math.sqrt不起作用 – 它不处理numpy数组 – 但是使用sqrt而不是** 0.5的想法很好,所以让我们测试一下.

In [114]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

In [115]: from numpy import sqrt

In [116]: timeit normedA_4 = sqrt((A*A).sum(axis=1))
10000 loops, best of 3: 45.8 us per loop

我试了几次,这是我看到的最大的区别.

上一篇:六、【机器学习作业】正则化线性回归和偏差\方差(python版ex5)


下一篇:ubuntu之路——day9.2 Batch Norm